深度优先搜索（DFS）和广度优先搜索（BFS）是两种常见的图遍历算法。
深度优先搜索（DFS）
深度优先搜索是一种用于遍历或搜索树或图的算法。这个算法会尽可能深地搜索树的分支。当节点v的所在边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。
Python实现：
def dfs(graph, start):
stack, visited = [start], set()
while stack:
vertex = stack.pop()
if vertex not in visited:
visited.add(vertex)
stack.extend(graph[vertex] - visited)
return visited
广度优先搜索（BFS）
广度优先搜索是另一种遍历或搜索树或图的算法。这个算法从根开始，访问根的所有相邻节点，然后对每个相邻节点执行相同的操作，这个过程递归地进行直到已发现从根可达的所有节点为止。广度优先搜索可以用队列实现。
Python实现：
from collections import deque
def bfs(graph, start):
visited, queue = set(), deque(start)
while queue:
vertex = queue.popleft()
if vertex not in visited:
visited.add(vertex)
queue.extend(graph[vertex] - visited)
return visited
注意：上述代码中的graph是一个字典，表示图的邻接表形式。字典的键是节点，值是该节点的邻居集合。例如，如果有一个有向图，graph可能看起来像这样：{1: {2, 3}, 2: {1, 4}, 3: {1}, 4: {2}}。这意味着节点1可以到达节点2和3，节点2可以到达节点1和4，等等。
以下是深度优先搜索（DFS）和广度优先搜索（BFS）的 Java 实现。
深度优先搜索（DFS）：
import java.util.*;
public class DFS {
private final List<Integer>[] adjList;
private boolean[] visited;
public DFS(List<Integer>[] adjList) {
this.adjList = adjList;
this.visited = new boolean[adjList.length];
}
public void dfs(int node) {
visited[node] = true;
System.out.print(node + " ");
for (int neighbor : adjList[node]) {
if (!visited[neighbor]) {
dfs(neighbor);
}
}
}
public void performDFS() {
for (int i = 0; i < adjList.length; i++) {
if (!visited[i]) {
dfs(i);
}
}
}
}
广度优先搜索（BFS）：
import java.util.*;
public class BFS {
private final List<Integer>[] adjList;
private final boolean[] visited;
private final Queue<Integer> queue;
public BFS(List<Integer>[] adjList) {
this.adjList = adjList;
this.visited = new boolean[adjList.length];
this.queue = new LinkedList<>();
}
public void bfs() {
for (int i = 0; i < adjList.length; i++) {
if (!visited[i]) {
queue.offer(i);
visited[i] = true;
}
}
while (!queue.isEmpty()) {
int node = queue.poll();
System.out.print(node + " ");
for (int neighbor : adjList[node]) {
if (!visited[neighbor]) {
queue.offer(neighbor);
visited[neighbor] = true;
}
}
}
}
}
】)
